基于光电技术的棉纤维杂质快速测定

针对棉纤维杂质人工检测耗时长、劳动强度大等问题,提出一种基于光电技术的棉纤维杂质机器视觉测定方法。首先通过改变平滑模板窗口尺寸对棉纤维图像自适应中值滤波优化,然后采用Otsu算法自适应选取分割阈值,并遍历整个图像,进行边缘断裂端点的连接、边缘生长与连接,搭建光电检测系统原型,实现了棉纤维杂质的快速测定。实验结果表明:该方法能够有效去除图像噪声,避免伪边缘的产生,检测到的杂质边缘清晰完整。光电检测耗时较GB/T 6499—2012《原棉含杂率试验方法》降低95.1%,结果间误差为2.35%,杂质粒数与杂质面积比参数结果误差均在2.1%以内,能够有效用于棉纤维杂质的快速准确测定。

基于计算机智能算法的纤维素生物质醇解优化

研究了利用计算机智能算法优化纤维素生物质秸秆醇解制备乙酰丙酸甲酯。考察了反应温度、反应时间和催化剂量对乙酰丙酸甲酯产率的影响。在温度170~190℃,反应时间1~5 h,催化剂量0.3~0.7 g的条件下,进行了Box-Behnken试验方案考察,并利用试验数据进行了人工神经网络的构建与优化。研究表明,经过遗传算法优化的BP神经网络具有更精确的预测能力。在此基础上,利用遗传算法进一步对优化的BP神经网络寻优,得到了优化的醇解工艺条件:反应温度170℃,反应时间4.4 h,催化剂量0.64 g。该条件下的乙酰丙酸甲酯产率达到51.1%,与乙酰丙酸甲酯产率预测值51.0%接近,表明利用智能算法优化纤维素生物质醇解过程是一种有效的方法。